上海市星级酒店客房出租率影响因素实证研究

邱建辉， 张新齐

(1.华东师范大学商学院，上海 200241;2.驻马店市第三高级中学，河南驻马店 463000)

一、引言

酒店客房出租率用实际租出的客房数量占可供出租客房数量的比例来表示，它反映了酒店客房的利用率和销售数量，是体现酒店经营好坏的一个重要指标。因此，设法提高星级酒店客房的出租率有利于增加营业收入，减缓经营压力。目前，上海市各级别星级酒店客房平均出租率约为55%，其中高星级酒店客房出租率稍高，中低星级酒店的客房出租率仅为53%左右，面临着较为严峻的经营压力。基于此，本文将从这些影响酒店客房出租率的因素入手，通过引入交叉变量构建多元回归模型，分析不同因素对不同星级酒店客房出租率影响程度的大小，并针对不同星级酒店未来的经营措施提出相应的建议。

二、文献回顾

目前，学术界对星级酒店的研究主要集中在空间分布结构、酒店效率、酒店网络系统及中低星级酒店的发展方向四个方面。如陈雪钧运用GIS技术和数理方法对重庆主城区星级酒店的空间布局进行分析［1］，姜海宁运用核密度指数及空间关联描述方法对长三角五星级酒店的空间分布特征进行探讨，并提出了相应的影响因素［2］，梅林从中国星级酒店分布特征入手，选取6大动力活力因子共12个影响因素，通过构建星级酒店发展的活力系统模型，并运用Pearson相关分析法深入分析了各影响因子对我国星级酒店空间分布的影响程度［3］，他们分别基于微观、中观和宏观视角对星级酒店的空间分布结构进行分析;彭建军、陈浩利用DEA方法中的C2R模型分别对北上广星级酒店和浙江星级酒店的效率进行了评价［4－5］;熊伟在确定酒店网站功能结构和评价指标的基础上，利用问卷调查法对顾客需求进行调查，并通过对广州60家样本酒店网站的分析，从酒店网站基础层功能、主体层功能与核心层功能对其网站功能进行了评价，最终提出要使酒店网站真正成为酒店管理和营销的有效工具，必须充分考虑酒店顾客需求这一结论［6］;张梦基于携程网1092家酒店网上预订数据，构建对数线性回归模型，深入分析了酒店特征信息、顾客评论信息和预订平台推荐信息对4类不同等级酒店在线预订的影响［7］;李俊、庞田田分别指出了我国中低星级酒店的发展现状，并提出了相应的对策［8－9］。

在星级酒店出租率方面，目前的研究比较少，且主要以定性研究为主。郑昌江通过对哈尔滨几家三星级酒店的分析，发现淡季降低房价并不能有效提高其客房出租率［10］;在此基础上，安杏林提出客房的出租率不但与客房价格相关，还与酒店的星级和地理位置存在密切关系，同时指出酒店的客房出租率应该保持在一定水平上，并非越高越好［11］;苏甦、周燕分别基于武汉市和南昌市旅游酒店的客房利用现状，对旅游酒店客房出租率下降的原因进行探讨，并提出相应的对策分析［12－13］;在定量研究方面，白智广利用神经网络建立了北京酒店客房出租率的预测模型，并给出了相对准确的预测结果［14］。

综合以上研究发现，学术界对星级酒店研究的内容比较多元，集中程度较弱，而对星级酒店客房出租率影响因素的研究显得捉襟见肘，缺乏定量的实证性分析。鉴于此，本文从影响星级酒店客房出租率的因素入手，通过对上海市4年(2008—2011年)星级酒店月度相关数据的梳理，结合多元回归分析方法，得出不同因素对不同星级酒店客房出租率的影响程度。

三、数据描述与计量模型构建

(一)基本数据描述

本文运用的数据主要来源于上海市旅游局政务网公布的2008年1月—2011年12月的旅游统计资料，从中选取各星级酒店的月度客房出租率与客房价格数据，同时截取这4年上海的月度入境游客量作为宏观数据，以便进行合理分析。此外，由于星级酒店的经营受到旅游季节性的影响较大，本文将引入一些虚拟变量。

作为我们主要关心的因变量，上海市不同星级酒店的月度客房出租率反映了不同星级酒店的经营现状，是作为酒店经营好坏的一个重要标准。

中国最高法院设立“一带一路”国际商事法庭不是一个不证自明的课题，在逻辑前提上，国际商事法庭设立的必要性是第一个无法回避的问题。

星级酒店客房月度平均价格(主要反映上海市不同星级酒店的服务质量)与月度入境游客量(主要反映上海市星级酒店客流量的变化)是本文中最主要的两个自变量。需要说明的是，我们试图用上海市的总游客量来反映酒店客流量的变化，但受制于数据的可获得性，本文只能采用相对精确的入境游客量来代替。

为了区分不同酒店的星级，本文在对具体的星级酒店运算中用1代表所分析的星级酒店，其它则为0。

为了更精确地测算客房价格和入境游客量对不同级别星级酒店客房出租率的影响程度，本文引入了两类交叉变量:酒店客房价格与酒店星级的交叉变量(即在特定星级酒店下该星级酒店价格对客房出租率的影响)和入境游客量与酒店星级的交叉变量(即在特定星级酒店下入境游客量对客房出租率的影响)，二者都作为增量(当系数为正时)或减量(当系数为负时)存在。

此外，数据中还包括反映季节性的虚拟变量。根据以往经验，上海市星级酒店在“十一”黄金周期间出租率较高，因此对10月份赋值为1，5、6、7、8、9月份也属于旺季，赋值为0.5，其他月份相对为淡季，赋值为0。主要变量的统计特征描述见表1。

表1 描述统计量

(二)计量模型构建

根据以上变量的确定，本文拟采用多元回归分析方法，建立如下模型:

其中，Ri为i星级酒店月度客房出租率;β0为常数项;P为星级酒店客房月度平均价格;T为入境游客量;Si为i星级酒店;SiP为i星级酒店与客房价格的交叉变量;SiT为i星级酒店与入境游客量的交叉变量;U为虚拟变量(季节性);ε为随机干扰项。

为了测算出客房价格对不同星级酒店的影响程度，我们可以利用β1+β4(其中β1代表所有星级酒店客房价格对客房出租率的影响程度，作为一个基础存量;β4代表当该酒店为i星级时酒店客房价格对客房出租率的影响程度，是在存量基础上的一个增量或减量)来确定，二者之和越大，说明该星级酒店客房价格对客房出租率的影响程度越大，反之则越小。同理，也可利用β2+β5(其中β2代表所有星级酒店入境游客量对客房出租率的影响程度，作为一个基础存量;β5代表当该酒店为i星级时入境游客量对客房出租率的影响程度，是在存量基础上的一个增量或减量)来测算出入境游客量对不同星级酒店客房出租率的影响程度。

四、计量结果与分析

(一)酒店客房出租率与客房价格、入境游客量关系分析

为了更好地运用回归分析，本文首先对因变量与两个主要自变量之间的相关关系进行分析。分析结果显示，酒店的客房出租率与其价格和入境游客量存在显著的相关关系，两个自变量之间显著性不强，这为后面的回归分析提供了基础。

值得注意的是，酒店的月度客房出租率与其价格并不呈现传统的负相关关系，相反，呈现出正相关关系(虽然相关系数不大)。这可能有以下原因:首先，上海市星级酒店客房出租率的变化受入境游客量和季节性的影响较大，在旅游旺季，虽然客房价格有所抬升，但由于供给相对减少，其出租率仍会保持在较高水平，淡季则恰好相反。其次，根据数据统计情况来看，星级酒店客房价格的调整幅度不大，客房作为满足人们基本需求的商品，其需求价格弹性较小，在一定程度上客房价格的上调造成的出租率下降被游客量的增加抵消了。这种现象在2010年5—10月上海世博会期间表现最为明显，虽然客房价格高居全年之首，但其出租率已接近80%，远远高于平时水平。

(二)不同星级酒店客房出租率受其价格与入境游客量影响程度分析

由于各个变量的单位不同，数据之间的差值较大，为了便于分析，本文先运用SPSS19.0对所有变量数据进行标准化处理。经过标准化变换，既消除了无量纲的影响，又保留了原始数据信息，不会改变原变量之间的相关系数。因此，以下分析均采用标准化后的数据。

在此基础上，本文分别对不同星级酒店的客房出租率、客房价格、入境游客量、星级数、交叉变量、虚拟变量等进行多元回归，通过分析其相应自变量的系数，来推断客房价格和入境游客量对不同星级酒店客房出租率的影响程度。

第一，对五星级酒店相关数据进行多元回归分析，发现P(五星级酒店客房价格)和T(入境游客量)与R(五星级酒店客房出租率)显著相关，并且都通过了T检验。此外，该模型的R2为0.521，虽然不是很高，但是在可接受范围内。同时经过F检验发现 sig.=0.00＜0.01，说明该模型整体回归具有较强的显著性。

通过多元回归分析还发现，五星级酒店的客房出租率会受到其价格和入境游客量的显著影响。但是S5*T和S5*P没有通过T检验，说明五星级酒店的客房价格和入境游客量对客房出租率的影响并不显著异于对其他星级酒店客房出租率的影响。因此，这两个变量不能被引入模型。按前文所述计算五星级酒店客房出租率受客房价格的影响程度为:β1+β4=0.308。同理，五星级酒店客房出租率受入境游客量的影响程度为:β2+β5=0.58。

第二，对四星级酒店相关数据进行多元回归分析，发现与五星级酒店相同，P(四星级酒店客房价格)和T(入境游客量)与R(四星级酒店客房出租率)显著相关，并且都通过了T检验。此外，该模型的R2为0.526，在可接受范围内。同时经过F检验发现 sig.=0.00＜0.01，说明该模型整体回归具有较强的显著性，可以进行后续分析。

四星级酒店的客房出租率受到其价格和入境游客量的显著影响。与五星级酒店一样，S4*T没有通过T检验，说明入境游客量对四星级酒店客房出租率的影响并不显著异于对其他星级酒店客房出租率的影响，该变量不能被引入模型;但是S4*P通过了T检验，说明四星级酒店的客房价格对其出租率的影响显著异于对其他酒店客房出租率的影响，该变量可被引入模型。因此，四星级酒店客房出租率受其价格的影响程度为:β1+β4=1.083。同理，四星级酒店客房出租率受入境游客量的影响程度为:β2+β5=0.563。

第三，对三星级酒店相关数据进行多元回归分析，发现与五星级、四星级酒店相同，P(三星级酒店客房价格)与T(入境游客量)与R(三星级酒店客房出租率)显著相关，并且都通过了T检验。此外，该模型的R2为0.531，在可接受范围内。同时经过 F检验发现 sig.=0.00＜0.01，说明该模型整体回归具有较强的显著性，可以进行后续分析。

三星级酒店的客房出租率受到其价格和入境游客量的显著影响。S3*T没有通过T检验，说明入境游客量对三星级酒店客房出租率的影响并不显著异于对其他星级酒店客房出租率的影响，该变量不能被引入模型;S3*P通过了T检验，说明三星级酒店的客房价格对其出租率的影响显著异于对其他酒店客房出租率的影响，该变量可被引入模型。因此，三星级酒店客房出租率受其价格的影响程度为:β1+β4=1.465。同理，可得三星级酒店客房出租率受入境游客量的影响程度为:β2+β5=0.572。

第四，对二星级酒店相关数据进行多元回归分析，发现与以上星级酒店相同，P(二星级酒店客房价格)与T(入境游客量)与R(二星级酒店客房出租率)显著相关，并且都通过了T检验。此外，该模型的R2为0.519，在可接受范围内。同时经过F检验发现 sig.=0.00＜0.01，说明该模型整体回归具有较强的显著性。

二星级酒店的客房出租率受到其价格和入境游客量的显著影响。但是S2*T和S2*P没有通过T检验，说明二星级酒店的客房价格和入境游客量对二星级酒店客房出租率的影响并不显著异于对其他星级酒店客房出租率的影响，这两个变量不能被引入模型。因此，二星级酒店客房出租率受其价格的影响程度为:β1+β4=0.265。同理，二星级酒店客房出租率受入境游客量的影响程度为:β2+β5=0.585。

第五，对一星级酒店相关数据进行多元回归分析，发现与以上星级酒店相同，P(一星级酒店客房价格)与T(入境游客量)与R(一星级酒店客房出租率)显著相关，并且都通过了T检验。此外，该模型的R2为0.555，在可接受范围内。同时经过F检验发现 sig.=0.00＜0.01，说明该模型整体回归具有较强的显著性，可进行后续分析。

一星级酒店的客房出租率受到其价格和入境游客量的显著影响。且S1*T和S1*P都通过T检验，说明一星级酒店的客房价格和入境游客量对一星级酒店客房出租率的影响均显著异于对其他星级酒店客房出租率的影响，这两个变量均可以被引入模型。因此，一星级酒店客房出租率受其价格的影响程度为:β1+β4=1.131。同理，一星级酒店客房出租率受入境游客量的影响程度为:β2+β5=0.046。

五、结论

通过对以上五类星级酒店的多元回归分析，我们可以认为不管是哪种星级的酒店，其客房出租率都受到客房价格和入境游客量的影响，但是从相关分析与回归系数来看，客房出租率受入境游客量的影响明显大于客房价格调整的影响，这与上海作为全国著名的旅游城市不同季节游客量的变化有密切关系。同时还发现，旅游旺季适当涨价并不会引起酒店客房出租率的下降，淡季实行降价策略也不会使客房出租率有明显的提升。因此，建议上海市星级酒店在旅游旺季可以上调客房价格，在淡季保持客房价格的稳定。

根据对不同星级酒店客房出租率的比较，我们发现上海市中低星级(三星及以下)酒店的客房出租率明显较低，可能与近年来经济型酒店的快速扩张有较大关系。面对服务质量更高、价格相对较低的经济型酒店，中低星级酒店的经营压力越来越大。因此，为了避免在未来的竞争中惨遭淘汰，这些中低星级酒店可采取提高酒店星级、细化目标客源、提高客户忠诚度、结成联盟、形成网络化营销平台等措施［9］。

通过对五类星级酒店的多元回归分析，我们发现一星级、三星级和四星级酒店的客房出租率受价格变量的影响显著异于其他星级酒店，且回归系数都为正，即是说这三种星级酒店受客房价格的影响程度更大;对一星级酒店来说，其客房出租率受入境游客量的影响显著异于其他星级酒店，但回归系数为负，说明一星级酒店客房出租率受入境游客量的影响明显小于其他级别的星级酒店。为了更直观地显示不同星级酒店受价格和入境游客量的影响程度，根据前文的回归分析结果，把相关数据整理，见表2。

表2 各星级酒店客房价格和入境游客量对客房出租率影响程度对比

从表2可以得出以下结论:首先，客房价格对一星级、三星级和四星级酒店的影响程度较大，主要可能因为这三类酒店的需求价格弹性较大，一星级酒店由于受经济型酒店这一替代品的威胁，价格的微小变动即可促使游客选择性价比更高的经济型酒店，而三、四星级酒店客源主要是广大观光、休闲旅游者，消费者对其价格的变动较敏感。由于这三类酒店价格的调整会引起客房出租率较大的波动，因此本文建议这三类酒店应尽量保持客房价格的稳定。其次，除一星级酒店外，其他星级酒店受入境游客量的影响基本一样，说明外来游客可能更倾向于入住上海市二星级及以上的酒店，入住一星级酒店的游客数量不多，因此它受入境游客量的影响程度最小。

六、研究不足与展望

本文通过引入交叉变量，并运用多元回归分析方法，测算出上海市不同星级酒店受价格及入境游客量的影响程度。由于本文只考虑了客房价格和入境游客量两个影响酒店客房出租率的主要因素，忽略了其他相关因素(如地理位置、酒店服务等)，可能造成所得结论与实际有所偏差。因此，以后的研究应注重自变量选取的全面性，应尽可能多地反映因变量的信息内容。

［1］陈雪钧.重庆市主城区星级酒店的空间结构特征研究［J］.华中师范大学学报:自然科学版，2011，45(2):340－344.

［2］姜海宁，肖海平，李广斌，等.长三角五星级酒店空间格局研究［J］.商业研究，2011(7):79－83.

［3］梅林，韩蕾.中国星级酒店空间分布与影响因子分析［J］.经济地理，2011，31(9):1580 －1584.

［4］彭建军，陈浩.基于DEA的星级酒店效率研究——以北京、上海、广东相对效率分析为例［J］旅游学刊，2004(2):59－62.

［5］陈浩.基于DEA的浙江星级酒店效率评价［J］.江苏商论，2005(8):76－77.

［6］熊伟，黄思芹，吴必虎.基于顾客需求的星级酒店网站功能评价——以广州市60家星级酒店为例［J］.旅游学刊，2009，24(9):61 －66.

［7］张梦，张广宇，叶作亮.在线信息对酒店网上预订的影响研究——基于携程网酒店在线预订数据的分析［J］.旅游学刊，2011(7):79 －84.

［8］李俊.中低星级酒店的现状与出路［J］.全国商情·经济理论研究，2008(16):36 －37，24.

［9］庞田田.关于中低星级酒店生存与发展的思考［J］.内蒙古农业大学学报:社会科学版，2011(5):99－100.

［10］郑昌江.旅游饭店执行淡季优惠价格的探讨［J］.商业经济与管理，1997(2):56－59.

［11］安杏林.星级饭店财务评价客房出租率和房价的确定［J］.技术经济，2001(4):61－62.

［12］苏甦.武汉市旅游饭店客房出租率下降的原因及对策分析［J］.湖北大学学报:哲学社会科学版，2000(1):107－109.

［13］周燕.南昌旅游饭店客房现状分析及对策［J］.科技经济市场，2008(8):105－106.

［14］白智广，杜军平.基于神经网络的客房出租率预测研究［J］.北京工商大学学报:自然科学版，2006(1):35－37.